非线性动态特性系数对汽轮机转子-轴承-密封系统运动特性的影响

为准确地反应汽流激振下汽轮机转子-轴承-密封系统的运动特性,推导了包含非线性动态特性(非线性刚度、阻尼)的转子运动微分方程,将数值模拟获得的非线性汽流激振力拟合成方程耦合到运动方程中,采用龙格-库塔法求解对应的运动方程,基于试验对比验证了考察非线性因素的必要性与运动微分方程的准确性。在此基础上,分析汽流激振力作用下不同非线性动态特性系数对转子运动特性与稳定性的影响。结果表明：系统中的非线性动态特性会改变转子不同类型的混沌运动区域与位移,使1/2、1/3、2/3工频的出现范围及幅值改变,密频现象增加;耦合热、动载荷后高负荷区域转子位移减小。对比Lyapunov指数,考虑非线性动态特性后其均值有所上升;合理的非线性刚度能够改善系统的稳定性,高非线性阻尼值能提高系统稳定性;耦合热、动载荷后的系统高负荷运行时更稳定。     

提高数控车削加工教学效果的探讨

从数控车削加工的特点出发,通过对目前教学中存在的一些不足的分析,提出数控车实习教学改革应该以实际操作为重点,通过对教学内容和教学方法的改进和优化,改善教学效果.     

基于逆向工程的汽轮机叶片型面CAD 建模方法的研究

探讨了基于逆向工程技术的汽轮机叶片型面CAD建模的一种方法.分析说明了应用逆向工程对汽轮机叶片建模的意义,简要地介绍了逆向工程数据采集方法及其分类,并对复杂曲线曲面的数学模型进行了详细的论述.阐述了逆向工程软件Imageware对叶片点云数据处理的具体方法和步骤.结合应用Pro/E软件完成叶片型面的造型,同时提出应用Pro/E软件对叶片型面进行优化的方法,在此基础上完成汽轮机叶片型面的数控加工.     

基于孪生网络的旋转机械故障诊断方法

针对实际工况下旋转机械故障样本稀缺，传统深度学习方法在小样本情况下出现欠拟合的问题，提出一种基于孪生网络(siamese network)的旋转机械故障诊断方法。首先，对有限的故障样本进行交叉配对，构造相同类别与不同类别的故障输入样本，实现对数据样本量的大幅扩容；然后，针对小样本问题构造了包含两个子模型的孪生网络，其中子模型由卷积神经网络与自注意力机制构建而成，通过计算样本之间的欧式距离得到相似度参数；最后，将相似度参数输入自建损失函数和故障分类器实现故障识别。实验证明，所以提出的网络能够依靠少量样本完成故障诊断，在样本数量相同的情况下，故障识别准确率显著高于其他深度学习模型。